Google Research công bố Co-scientist dựa trên Gemini 2.0

Co-scientist là một hệ thống AI đa tác tử được xây dựng trên Gemini 2.0, nhằm hỗ trợ các nhà khoa học hình thành giả thuyết mới và đẩy nhanh tốc độ nghiên cứu.

• Lấy cảm hứng từ phương pháp khoa học truyền thống, hệ thống sử dụng các tác tử chuyên biệt lần lượt cho tạo sinh (Generation), phản tư (Reflection), xếp hạng (Ranking), tiến hóa (Evolution), độ gần (Proximity) và siêu phản biện (Meta-review). Các tác tử này phản hồi đệ quy với nhau và tự cải thiện ý tưởng.
• Các nhà khoa học có thể đưa ý tưởng cho AI, hoặc phản hồi lại các ý tưởng của AI.
• Áp dụng Elo rating để đánh giá câu trả lời của mô hình, và dựa trên đó cải thiện kết quả của mô hình theo thời gian.
  • Gemini 2.0 Pro và các chuyên gia con người ở mức Elo rating 1300 trở xuống.
  • Co-scientist tăng dần theo thời gian, từ 1300 lên hơn 1500.
  • Ngay cả khi các chuyên gia con người đánh giá kết quả của mô hình, co-scientist vẫn được chấm cao hơn Gemini 2.0 Pro và OpenAI o1.
• Để đánh giá tính thực tiễn, nhóm đã tiến hành thí nghiệm về tái định vị thuốc (Drug repurposing), đề xuất mục tiêu điều trị mới (Novel treatment target discovery) và làm rõ các cơ chế nền tảng của kháng kháng sinh (Elucidating the mechanisms underlying antimicrobial resistance). Quá trình được thực hiện với sự tham gia của các chuyên gia.
• Tái định vị thuốc cho bệnh bạch cầu tủy cấp tính
  • Tái định vị thuốc là việc tìm công dụng mới cho các loại thuốc hiện có thay vì phát triển thuốc mới, và đòi hỏi chuyên môn liên ngành rộng.
  • Co-scientist đã đề xuất các ứng viên thuốc tái định vị mới cho bệnh bạch cầu tủy cấp tính. Phân tích trên máy tính, phản hồi lâm sàng và kết quả thử nghiệm in vitro cho thấy các thuốc này làm suy giảm khả năng sống của khối u.
• Tiến bộ trong việc phát hiện mục tiêu điều trị xơ hóa gan
  • Việc phát hiện mục tiêu điều trị thường phát sinh nhiều kém hiệu quả trong khâu chọn giả thuyết và xác định ưu tiên thí nghiệm.
  • Hệ thống đã thực hiện việc đề xuất giả thuyết, sắp xếp ưu tiên và tạo giao thức thí nghiệm cho bài toán phát hiện mục tiêu xơ hóa gan.
  • Các mục tiêu do Co-scientist xác định cho thấy hoạt tính kháng xơ hóa mạnh trong kết quả thí nghiệm.
• Giải thích cơ chế kháng kháng sinh
  • Việc giải thích cơ chế kháng kháng sinh nghiên cứu quá trình vi sinh vật tiến hóa và truyền các gene giúp chúng né tránh tác nhân điều trị.
  • Nhóm nghiên cứu đã yêu cầu Co-scientist tự khám phá một chủ đề đã được phát hiện nhưng chưa công bố.
  • Giả thuyết do AI đưa ra thực chất đã được xác minh bằng thực nghiệm và đang ở trạng thái sắp được công bố.

Kỳ vọng Co-scientist sẽ thúc đẩy các khám phá khoa học nhanh hơn với vai trò là công cụ hỗ trợ cho các nhà khoa học.

[GN⁺]

Bình luận trên Hacker News

• Tôi không chắc mọi người ở đây đã đọc hết bài báo hay chưa, nên trích vài đoạn từ bài

  • AI Co-scientist đã dự đoán các cơ hội tái định vị thuốc và cùng đối tác kiểm chứng các dự đoán đó thông qua sinh học tính toán, phản hồi từ bác sĩ lâm sàng chuyên môn và thí nghiệm
  • AI Co-scientist đã đề xuất một ứng viên tái định vị mới cho bệnh bạch cầu dòng tủy cấp tính (AML), và các thí nghiệm đã xác nhận rằng loại thuốc được đề xuất ức chế khả năng sống sót của khối u ở nhiều dòng tế bào AML tại các nồng độ có liên quan về mặt lâm sàng
  • Các nhà nghiên cứu chuyên môn đã yêu cầu AI Co-scientist khám phá một chủ đề mà trong nhóm đã có phát hiện mới nhưng chưa công bố, và AI Co-scientist đã độc lập đề xuất rằng nó tương tác với nhiều loại đuôi thực khuẩn thể khác nhau để mở rộng phạm vi vật chủ
  • Phát hiện này đã được xác minh trong các thí nghiệm phòng thí nghiệm được thực hiện trước khi dùng hệ thống AI Co-scientist, và được mô tả trong một bài báo công bố đồng thời với sự hợp tác của Fleming Initiative và Imperial College London
  • Việc một mô hình AI có thể đưa ra giả thuyết khoa học mới được kiểm chứng trong phòng thí nghiệm có ý nghĩa cực kỳ quan trọng

• Tôi thấy cụm từ “tái định vị thuốc cho AML” nghe khá buồn cười

  • Là người đang làm tiến sĩ về AML thông qua phân nhóm phân tử và dự đoán thuốc ex-vivo, tôi thấy điều đó rất ngẫu nhiên
  • Thay vì tái định vị thuốc kiểu ngẫu nhiên, tôi muốn đề xuất pipeline của chúng tôi
  • Nhân tiện, chúng tôi đang tìm cách tài trợ và thương mại hóa pipeline này; nếu quan tâm thì có thể liên hệ qua website

• Thành thật mà nói tôi không hiểu vì sao mình phải dùng cái này

  • Tôi không cần AI để kết nối các ý tưởng hay đưa ra giả thuyết mới
  • Thứ tôi cần là viết và kiểm thử mã pipeline dữ liệu để chuẩn hóa dữ liệu được tổ chức theo những cách riêng cho từng dự án thành một cơ sở dữ liệu khổng lồ
  • Thứ tôi cần là viết và kiểm thử pipeline dữ liệu để phát hiện sự kiện trong dữ liệu âm thanh ở cả không gian biên độ lẫn không gian tần số
  • Thứ tôi cần là xử lý dữ liệu bằng cách kiểm thử frontend của backend phân tích dữ liệu
  • Có lẽ khám phá thuốc cần phải thử nhiều biến số bằng cách lặp qua từng giá trị khả dụng
  • Nhưng điều đó không áp dụng cho nghiên cứu của tôi
  • Không phải mọi thứ đều phù hợp với tất cả mọi người, và điều đó không sao cả

• Thị trường dường như đang lao theo hướng mà chong chóng gió chỉ lần cuối, bất kể hướng đó là gì

  • Điều này làm tôi nhớ tới một nghiên cứu cho thấy các nhà nghiên cứu làm việc với hệ thống AI thì năng suất hơn nhưng mức độ hài lòng với công việc lại thấp hơn
  • Hỗ trợ AI giúp các nhà khoa học tìm ra nhiều tài liệu hơn 44% và tăng số đơn xin cấp bằng sáng chế lên 39%, nhưng 82% nhà khoa học báo cáo mức độ hài lòng với công việc thấp hơn

• Nhìn chung có vẻ như chúng ta đang tiến tới khái niệm xã hội của tâm trí của Minsky

  • OpenAI đang cố hợp nhất mọi mô hình thành một mô hình vạn năng, nhưng bên trong có thể vẫn là chuyện định tuyến
  • Việc các agent chuyên biệt cho những kiểu gọi công cụ, cách tư duy cụ thể, v.v. sẽ là một hướng đi hữu ích như một khung khái niệm/giàn giáo

• Gần đây tôi có dùng AI trong workflow

  • Tôi tóm tắt các phát hiện cho tới lúc đó rồi yêu cầu AI đề xuất lời giải thích và khuyến nghị các kiểm thử bổ sung
  • 70% ý tưởng của AI là vô dụng, nhưng đôi khi chỉ cần thêm prompt
  • Trong số các ý tưởng AI đề xuất có những thứ tôi chưa từng nghĩ tới
  • AI không thể thay thế một con người am hiểu, nhưng với vai trò công cụ hỗ trợ con người thì nó còn vượt cả tư vấn viên đắt đỏ trình độ tiến sĩ

• Tôi đã đọc lời trích dẫn của một nhà khoa học trong bài báo, và điều làm tôi ngạc nhiên là nhóm của ông ấy đã làm việc 10 năm để giải quyết vấn đề nhưng lại không công bố gì theo cách mà AI có thể dễ dàng xử lý

  • Rất khó để chứng minh rằng không có nhà nghiên cứu nào khác đã đề xuất cùng ý tưởng đó
  • Tôi tự hỏi nếu đối thủ của ông ấy đã thực hiện cùng một tìm kiếm từ một tháng trước thì liệu họ có thể đòi quyền ưu tiên hay không

• Dạo này tôi khá tiêu cực về AI, nhưng tôi vẫn nhớ lần đầu dùng Eliza

  • Tôi nghĩ mình có thể chấp nhận việc AI đưa cho tôi một danh sách vấn đề rồi hỏi cách giải quyết
  • Tôi muốn thấy công nghệ AI được áp dụng vào kiểm thử dựa trên thuộc tính

• Một loạt bình luận thú vị

  • Cá nhân tôi thấy rất tuyệt
  • Nó là đồng khoa học gia chứ không phải “nhà khoa học”
  • Có giá trị lớn trong việc đánh giá một “thứ gì đó” có thể rà soát công việc và đưa ra các đầu ra thú vị
  • Có rất nhiều ý tưởng không được cân nhắc chỉ vì quá đắt đỏ
  • Nếu có “kỳ vọng hợp lý” thì rủi ro thất bại sẽ thấp hơn
  • Tôi không còn là nhà khoa học “nữa”, nhưng tôi muốn nghịch thử cái này và xem những tổ hợp kỳ lạ nào có thể tạo ra thứ gì đó hữu ích

• Là một nhà khoa học y sinh, tôi đã vài lần thấy các nhà phát triển AI có xu hướng tuyên bố rằng AI thông minh hơn con người và sẽ tạo ra giả thuyết tốt hơn

  • Ví dụ, trong bài luận của Google, họ cho rằng CRISPR là một nỗ lực liên ngành kết hợp vi sinh học, di truyền học và sinh học phân tử
  • Họ khẳng định AI Co-scientist có thể tích hợp nhiều lĩnh vực để tạo ra giả thuyết mới
  • Tôi nghĩ các nhà khoa học máy tính không quen với nghiên cứu y sinh nên không hiểu rằng vi sinh học/di truyền học/sinh học phân tử có liên hệ rất chặt chẽ với nhau
  • Các nhà sinh học có rất nhiều ý tưởng hay
  • Vấn đề là phải mất thời gian để kiểm thử đủ các ý tưởng đó
  • AI và các LLM khác là công cụ Google rất mạnh và cũng là người viết mã giỏi
  • Vì 30% là sai nên phải cực kỳ cẩn thận khi sử dụng
  • Không lãng phí thời gian để theo đuổi các giả thuyết sai là điều tốt
  • Nhưng chúng tôi vốn đã có thể dễ dàng phân biệt giả thuyết tốt và giả thuyết tệ
  • Các vấn đề chính trị thì AI sẽ không giải quyết được

[hhkkkk]

Yêu bạn lắm, Hassabis~